r-根据条件和时段(部分)重叠计算两个时段日期集之间的重叠天数

Question

类似于这里发布的一个问题，我想以第三个变量(位置(为条件计算两个周期之间的重叠天数。

对于主数据集(DF(的每次观测，我都有一个开始日期和结束日期，以及一个位置(字符(变量。事件数据包括关于事件位置、开始日期和结束日期的信息。允许在同一位置和(部分(重叠时段中发生多个事件。

因此，对于DF中的每个观测，必须将周期与事件数据集中的其他周期(Events(进行比较。这意味着在事件数据集中，一个(DF(和多个周期(事件(之间的重叠天数必须减去两个(或多个(周期之间的重叠天

我的两个数据源的数据结构示例可以使用此代码在R中轻松复制(注意，为了简单起见，位置变量已设置为整数(：

set.seed(1)
DF <- data.frame(
start = sample(seq(as.Date('2018-01-01'), as.Date('2018-04-30'), by="day"), 20),
end = sample(seq(as.Date('2018-05-01'), as.Date('2018-10-30'), by="day"), 20),
location = sample(seq(1:5)),20)

Events <- data.frame(
start = sample(seq(as.Date('2018-01-01'), as.Date('2018-04-30'), by="day"), 30),
end = sample(seq(as.Date('2018-05-01'), as.Date('2018-10-30'), by="day"), 30),
location = sample(seq(1:5)),  30 )

在事件数据减少到只有一个事件(我们不关心位置(的简单情况下，使用以下代码和dplyr可以很容易地计算DF中每个观测的总天数：这里的代码取自Matthew Lundberg的答案，还请注意，我已经创建了另一个具有单个事件(one_event(的数据帧：

library(dplyr)
One_event <- data.frame(
start = as.Date('2018-01-01'),
end = as.Date('2018-07-30'))
DF %>%
mutate(overlap = pmax(pmin(One_event$end, end) - pmax(One_event$start, start) + 1,0))

导致：

start        end       location X20  overlap
1  2018-02-01 2018-10-19        5  20 180 days
2  2018-02-14 2018-06-08        3  20 115 days
3  2018-03-09 2018-08-26        4  20 144 days
4  2018-04-17 2018-05-23        2  20  37 days
5  2018-01-24 2018-06-17        1  20 145 days
6  2018-04-14 2018-07-08        5  20  86 days
7  2018-04-18 2018-05-03        3  20  16 days
8  2018-03-16 2018-07-07        4  20 114 days
9  2018-03-12 2018-09-30        2  20 141 days
10 2018-01-07 2018-06-29        1  20 174 days
11 2018-01-23 2018-07-23        5  20 182 days
12 2018-01-20 2018-08-12        3  20 192 days
13 2018-04-23 2018-07-24        4  20  93 days
14 2018-02-11 2018-06-01        2  20 111 days
15 2018-03-23 2018-09-17        1  20 130 days
16 2018-02-22 2018-08-21        5  20 159 days
17 2018-04-24 2018-09-10        3  20  98 days
18 2018-04-13 2018-05-18        4  20  36 days
19 2018-02-08 2018-08-28        2  20 173 days
20 2018-03-20 2018-10-23        1  20 133 days

现在回到最初的问题。为了根据观察和事件的位置在Data中的每个观察的周期和匹配事件之间进行比较，我认为使用apply函数，根据观察位置对事件数据集进行子集设置，并最终为每行和事件数据的子集运行变异函数(temp(：

apply(DF, 1, function(x) {
temp =  Events[Events$location %in% x["location"]
x %>%
mutate(overlap = pmax(pmin(temp$end, end) - pmax(temp$start, start) + 
1,0))
})

代码的最后一部分有几个问题。首先，不起作用并给出错误消息：

(Error in UseMethod("mutate_") : 
no applicable method for 'mutate_' applied to an object of class "character")

其次，它不考虑Events数据集中两个(或多个(重叠的周期。

Answer 1

你在找这个吗：

apply(DF, MARGIN = 1, function(x) {
Events[Events$location == x["location"],] %>% mutate(overlap = pmax(pmin(.data$end,         
x["end"]) - pmax(.data$start, x["start"])))
})

这导致在我的情况下：

[[1]]
start        end location X30  overlap
1 2018-02-01 2018-07-28        5  30 177 days
2 2018-04-14 2018-08-27        5  30 135 days
3 2018-01-23 2018-09-20        5  30 231 days
4 2018-02-22 2018-09-10        5  30 200 days
5 2018-04-04 2018-07-17        5  30 104 days
6 2018-02-06 2018-05-16        5  30  99 days
[[2]]
start        end location X30  overlap
1 2018-01-24 2018-09-26        3  30 114 days
2 2018-01-07 2018-07-11        3  30 114 days
3 2018-03-23 2018-10-28        3  30  77 days
4 2018-03-20 2018-08-22        3  30  80 days
5 2018-01-26 2018-05-12        3  30  87 days
6 2018-01-31 2018-07-02        3  30 114 days
[[3]]
start        end location X30  overlap
1 2018-03-09 2018-07-29        4  30 142 days
2 2018-03-16 2018-05-19        4  30  64 days
3 2018-04-23 2018-09-11        4  30 125 days
4 2018-04-13 2018-07-19        4  30  97 days
5 2018-03-05 2018-07-10        4  30 123 days
6 2018-02-05 2018-07-20        4  30 133 days
...